Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Pipelines
Amazon SageMaker Pipelines est un service d'orchestration de flux de travail spécialement conçu pour automatiser le développement du machine learning (ML).
Les pipelines offrent les avantages suivants par rapport aux autres offres AWS de flux de travail :
Infrastructure sans serveur à mise à l'échelle automatique Vous n'avez pas besoin de gérer l'infrastructure d'orchestration sous-jacente pour exécuter Pipelines, ce qui vous permet de vous concentrer sur les tâches principales du ML. SageMaker provisionne, fait évoluer et arrête automatiquement les ressources informatiques d'orchestration du pipeline en fonction de votre charge de travail de machine learning.
Expérience utilisateur intuitive Les pipelines peuvent être créés et gérés via l'interface de votre choix : éditeur visuelSDK,APIs, ouJSON. Vous pouvez suivre drag-and-drop les différentes étapes du ML pour créer vos pipelines dans l'interface visuelle d'Amazon SageMaker Studio. La capture d'écran suivante montre l'éditeur visuel Studio pour les pipelines.
Si vous préférez gérer vos flux de travail ML par programmation, le SageMaker Python SDK propose des fonctionnalités d'orchestration avancées. Pour plus d'informations, consultez Amazon SageMaker Pipelines
AWS Les pipelines permettent une intégration fluide avec toutes les SageMaker fonctionnalités et autres AWS services afin d'automatiser le traitement des données, la formation des modèles, le réglage précis, l'évaluation, le déploiement et le suivi des tâches. Vous pouvez intégrer les SageMaker fonctionnalités dans vos pipelines et les parcourir à l'aide de liens profonds pour créer, surveiller et déboguer vos flux de travail ML à grande échelle.
Coûts réduits Avec Pipelines, vous ne payez que pour l'environnement SageMaker Studio et les tâches sous-jacentes orchestrées par Pipelines (par exemple, la SageMaker formation, le SageMaker traitement, l' SageMaker inférence et le stockage de données Amazon S3).
Auditabilité et suivi du lignage Avec les pipelines, vous pouvez suivre l'historique de vos données au cours de l'exécution du pipeline. Amazon SageMaker ML Lineage Tracking vous aide à analyser les sources de données et les consommateurs de données au cours du cycle de développement du end-to-end ML.
